Plötsligt talar alla om AI! Verktyg som ChatGPT verkar kunna hjälpa till med nästan vad som helst. Men vad är AI för något och hur fungerar tekniken? Är datorn verkligen intelligent på riktigt? Här får du lära dig grunderna om artificiell intelligens.
Vad är AI? De flesta som hör ordet tänker kanske på Science Fiction-böcker och Hollywood-filmer. Där är AI, alltså artificiell intelligens, en robot eller en tänkande dator som man kan prata med och som kan hjälpa människor med allt möjligt. Eller som ställer till det för huvudpersonerna för att berättelsen ska vara spännande.
Men verklighetens AI är oftast helt osynlig. Det är speciell mjukvara, alltså datorprogram, som finns på webbplatser, i mobiltelefoner, appar och andra datorsystem. AI har fått mycket uppmärksamhet i media tack vare flera nya och användbara verktyg som alla kan använda.
Det mest kända exemplet är nog ChatGPT. Det är en så kallad chattrobot som kan leverera alla möjliga slags texter du ber den om – allt från dikter, artiklar och förslag på hur din roman ska sluta. ChatGPT kan också skriva kod för att skapa program och webbsidor, eller putsa på ditt CV eller sammanfatta en 300 sidor lång forskningsrapport. Finns det något den inte klarar?
Hur många svenskar har använt ChatGPT?
I rapporten Svenskarna och internet 2023 kan du läsa om hur stor andel av svenskarna som har använt AI-verktyg som ChatGPT, Dall-E och Midjourney.
Det har också dykt upp flera olika bildverktyg, till exempel Midjourney och Dall-E. Här kan du berätta i text vad du vill ha för motiv och så skapar verktygen en bild av precis det – någorlunda bra iallafall. Och precis som när du jobbar med en mänsklig tecknare kan du ge feedback och få nya varianter av bilden, eller helt nya uppslag. Skillnaden mot en människa är att de AI-drivna bildverktygen kan skapa bilderna på bara några sekunder. De vill heller inte ha lön, och behöver inte sova.
Hur definierar man artificiell intelligens?
AI är alltså en förkortning för artificiell intelligens, men vad innebär det? Vi frågar Daniel Gillblad som är Co-Director på AI Sweden och Director på Chalmers AI Research Center. Enligt honom är AI ett samlingsnamn för många teknologier som på olika sätt försöker få datorer att fungera mer likt människor.
– Vi brukar säga att AI är flera olika teknologier och kunskapsområden som får datorer att tolka och förstå omvärlden bättre. Det handlar till exempel om att datorn ska kunna resonera och planera, kunna lära sig av data och olika intryck och mycket annat. Sammanfattningsvis handlar det om att göra datorer lite mänskligare.
Men det finns ingen strikt definition exakt vad artificiell intelligens är för något. Däremot finns AI-teknologi på många olika ställen runt omkring oss. Många datorsystem använder AI i olika grad, ett exmpel är de system som används för att schemalägga och planera hur fartyg ska lasta och lossa i en hamn. Ett sådant kan innehålla olika teknologier som bygger på AI, berättar Daniel Gillblad.
Våra moderna mobiltelefoner är ett annat exempel. När du tar fram din telefon för att låsa upp den så skannar den av ditt ansikte med kameran och känner igen att det är du med hjälp av AI. När du vill fotografera något med mobilen så används AI för att lista ut vad det är du vill fota så att bilden blir bäst, och när du söker bland alla dina gamla bilder i mobilen så används AI för att lista ut vad varje bild föreställer. När du får e-post används AI-teknik för att lista ut om det är skräppost eller inte. När du pratar med mobilens röstassistent används AI för att lista ut vad du säger.
Idag finns AI överallt och vi använder det hela tiden.
Daniel Gillblad
Vad är AI?
AI är en förkortning för artificiell intelligens. Det är ett samlingsnamn för en rad olika teknologier som försöker få datorprogram att fungera mer likt en människa. Det handlar till exempel om att kunna resonera och planera, förstå vanligt språk, kunna lära sig av data, känna igen mönster och lägga ihop flera olika intryck för att komma fram till en slutsats.
Allt bygger på maskininlärning
En viktig förutsättning för AI är något som kallas för maskininlärning. I ett vanligt gammaldags datorprogram måste en människa skriva in allt som programmet ska kunna göra – alltså programmera det. Programmet agerar utifrån ett tydligt regelsystem som står skrivet i dess kod, och när någonting inte står i koden händer ingenting i programmet. Dessa regler kallas algoritmer. En algoritm är helt enkelt en serie instruktioner som beskriver hur, med vad och i vilken ordning en uppgift ska lösas.
Maskininlärning är en metod där programmet istället på egen hand får skapa ett regelsystem genom att man matar den med en stor mängd data. Ett klassiskt exempel är bildigenkänning. Anledningen till att bildbiblioteket i din dator kan leta fram bilder som föreställer hundar är att systemet har tränats på att känna igen hundar i bilder. Man har kanske matat det med några hundra bilder och sagt till den att dessa bilder föreställer en hund. Sen får systemet på egen hand titta vidare på miljontals bilder, och försöka hitta andra bilder på hundar genom att jämföra med de första. På så vis blir datorsystemet snabbt ganska bra på att känna igen hundar.
– Maskininlärning är en väldigt viktig komponent för AI, säger Daniel Gillblad. Istället för att skriva direkta program med instruktioner så gör vi program som kan lära genom exempel eller genom att känna igen mönster.
Exemplet med hundbilderna kallas övervakad inlärning. En människa övervakar systemet och presenterar ett facit på vad som är bilder på hundar och vad som inte är det. En annan typ av inlärningsmetod kallas oövervakad inlärning. Då struntar man i det första steget och låter systemet helt på egen hand försöka sortera miljontals bilder och kategorisera dem utifrån mönster den själv kan identifiera.
En viktig metod för dagens AI-system är också den som kallas djupinlärning. Det är en mycket komplicerad variant av maskininlärning som bygger på så kallade artificiella neuronnät. Det är ett samlingsnamn på flera olika självlärande algoritmer som försöker efterlikna hur biologiska neuronnät fungerar, till exempel en hjärna.
Tre sätt att träna en AI med maskininlärning
- Övervakad inlärning
Programmet får ett facit, och ska utifrån det hitta regler för hur det ska komma fram till rätt svar. Exempel: Ett AI-program för bildigenkänning får se många bilder på katter och hundar och får veta vilka bilder som föreställer vad. Sen får AI:n skapa regler för hur den ska kunna känna igen andra bilder som föreställer katt eller hund. - Oövervakad inlärning
Här får programmet inget facit. AI:n presenteras med en stor mängd data och ska på egen hand hitta mönster och likheter. Exempelvis i en stor mängd bilder. - Djupinlärning
Avancerad typ av maskininlärning som drivs av ett artificiellt neuronnät. Det är ett datornätverk som inspirerats av biologiska neuronnät som den mänskliga hjärnan. Djupinlärning kan vara både oövervakad och övervakad.
Dagens avancerade AI-system har oftast skapats genom en kombination av dessa tre inlärningsmetoder. Man kanske inledningsvis har använt sig av övervakad inlärning, men därefter låtit systemet själv utvecklas genom oövervakad inlärning och djupinlärning.
Vad är generativ AI?
Att skriva och rita är bara två välkända exempel på vad AI-verktygen kan göra för oss redan idag. Men det finns många fler användningsområden där AI kan underlätta arbetet. Det finns appar och webbplatser som kan skapa musik, klippa ihop en video, förbättra en poddinspelning, fylla en blogg med innehåll, gör en Powerpoint-presentation och mycket mer.
Dessa olika verktyg brukar kallas generativ AI. Det är alltså AI som kan användas för att generera, det vill säga skapa något nytt, så som text, ljud och bild utifrån den data verktyget har lärt upp sig på. Daniel Gillblad säger att generativ AI egentligen inte är något nytt, men att verktygen nu blivit såpass kapabla att de kan generera saker som är av hög kvalitet och känns väldigt mänskliga.
– Att man pratar så mycket om AI just nu handlar till stor del om att många av de här verktygen blivit tillgängliga för allmänheten, som exempelvis ChatGPT. Men vi har också nått en punkt där systemen har lärt upp sig under flera år och nu blivit så bra och därför användbara, säger Daniel Gillblad.
ChatGPT är en språkmodell – inte en faktabok
När vi använder ett verktyg som ChatGPT är det lätt att tro att vi faktiskt kommunicerar med en intelligens. Du skriver något, och datorn svarar snabbt med ett naturligt språk som känns mänskligt. Du frågar om någonting, och ChatGPT svarar nästan omedelbart på ett självsäkert sätt. Det är som att datorn är intelligent, men det är den inte.
För vad det är fråga om är en väldigt avancerad form av mönsterigenkänning. ChatGPT har ingen egentlig förståelse för sin omvärld. Däremot har den tränats på ett stort antal texter skrivna av människor. På så vis har ChatGPT blivit väldigt bra på att sätta ihop en text som påminner om andra texter och är duktig på att förutsäga exakt vilket ord den ska placera efter ett annat ord. Resultatet blir en text som på ytan kan vara väldigt lik en forskningsrapport, ett recept på fransk potatissallad, en kärleksroman eller egentligen vad som helst med bokstäver. Men innehållet behöver absolut inte ha med verkligheten att göra.
– När man använder ChatGPT så är det lätt att få den här känslan av att den är intelligent och att det är något tänkande där bakom. Men tekniken är designad just för att den ska generera en text som låter rimlig. Då är det väldigt lätt att missta det för fakta, berättar Emma Engström som arbetar med AI-frågor på Institutet för framtidsstudier.
ChatGPT är en språkmodell. Den förutsäger ord och är bra på att imitera formen av mänskligt skrivande. Men man bör inte ta det som skrivs för fakta. Den härmar mänskliga texter, men har ingen inbyggd förmåga till källkritik eller sanning.
Snäv och generell AI
AI-verktygen har heller inget sätt att lära sig från något annat än den data som man matat den med. I strikt mening är alltså inte AI-systemen särskilt intelligenta. ChatGPT och andra liknande system är exempel på så kallad specificerad eller snäv AI. Det är AI-verktyg som är skapade och upptränade för att göra en eller ett fåtal saker väldigt bra.
Dessa AI-system är också helt begränsade av den data som har använts vid maskininlärningen. Ett exempel skulle vara om vi lärt en AI att känna igen bilder på katter, men bara tränat den på katter som är gula. Då kan systemet inte på egen hand lära sig att en del katter också är svarta.
Den klassiska science fiction-beskrivningen av AI skulle vi idag snarare kalla AGI – Artificiell generell intelligens. Det är en intelligens som precis som en människa kan lära sig helt nya saker med hjälp av en rad olika sinnesintryck. En AGI skulle kunna utföra precis vilken intellektuell uppgift som helst, och brukar också förknippas med egenskaper som förnuft och självmedvetande.
Någon AGI existerar inte idag, men forskningen utesluter inte att det kan hända. En sak som skiljer oss människor från även de bästa AI-verktyg som finns idag är att vi är självmedvetna – vi känner till vår egen existens. Tanken på att ett datorprogram skulle kunna bli självmedvetet kittlar fantasin och väcker både förundran och skräck. Hur och när det skulle kunna utvecklas en självmedveten AI är däremot högst oklart och något som forskningen är oense om. Det är också en stor och viktig fråga vad det skulle få för konsekvenser för det mänskliga samhället.
– Det finns vägar framåt mot mer och mer generell AI. Man arbetar till exempel på att skapa kombinationer av språkmodeller, bildmodeller och så vidare för att få multimodala system som kan flera olika saker och bättre kan interagera med världen, säger Daniel Gillblad. Det kommer kanske inte att leda fram till något motsvarande en fullständigt mänsklig generell intelligens. Däremot så kommer den att vara bättre än människor på vissa andra saker.
Risker och begränsningar med AI
Många AI-verktyg är imponerande att använda och eftersom träningen fortsätter blir de i snabb takt bättre och bättre. Många ser därför stora möjligheter med AI och ser att verktygen kan spara både tid och pengar. Olika typer av AI-system kan också vara till stor hjälp för människor. Andra pekar på verktygens begränsningar och varnar för de risker som finns med att förlita sig alltför mycket på en AI.
En begränsning är att ett AI-verktyg inte är smartare än den data den matats med. Som vi tagit upp kan en AI inte tänka och reflektera som vi människor. Det finns flera exempel på hur en AI har lärt sig fel eftersom den matats med dålig eller ofullständiga data. Vårt tidigare exempel med svarta och gula katter skulle kunna vara ett sådant fall av ofullständiga data. Ett annat exempel är om du ska träna upp en AI för att känna igen bilder på skor. Ett sådant system kan träna på flera miljoner bilder av skor, men om vi människor inte tänker på att använda tillräckligt varierade skomodeller på bilderna så kanske AI:n aldrig lär sig att en del skor är högklackade.
Andra exempel som kan leda till värre konsekvenser är om vi lär upp en AI att känna igen mänskliga ansikten, men inte tar tillräcklig hänsyn till att människor har olika hudfärg. Flera AI-system som är tränade för ansiktsigenkänning har visat sig ha problem med att identifiera mörkhyade människor. Detta eftersom den data som AI:n tränats på har bestått av mestadels ljushyade. Läs mer om detta på Wireds webbplats.
När tekniken fallerar på det sättet är det lätt att tänka och uttrycka sig som att AI:n skulle vara rasist. Men en AI är inte levande, och behandlar bara den data som den matats med. Emma Engström understryker att eftersom träningsdatan sällan eller aldrig är komplett kommer också den data som kommer ut alltid att vara i någon mån partisk eller vinklad.
– Man behöver förstå när man använder den här tekniken att den data som kommer ut är helt beroende av den data som stoppats in. Ett fördomsfullt eller partiskt resultat beror på tidigare brister som fanns när träningsdatan utvecklades, säger Emma Engström.
Framtiden för AI
Både Daniel Gillblad och Emma Engström understryker att AI är ett oerhört kraftfullt verktyg med stor potential. Det viktiga är att granska den data som kommer ut och värdera det utifrån mänsklig moral och etik. Dagens AI-system är framförallt bra på att identifiera mönster i stora mängder data och presentera ett underlag. Människor däremot har förmågan att förstå och bestämma vad som sedan ska göras genom att tillämpa mänskliga värderingar. Det kan en AI inte göra, åtminstone inte ännu.
Så ser det åtminstone ut idag, men med tanke på hur snabbt AI utvecklas är det svårt att sia om hur framtiden ser ut. AI-system som blir mer kapabla och kraftfulla är för vissa en spännande tanke och för andra otäckt. Finns det risker med att ge en AI för mycket makt? Kan AI-system konkurrera ut människor på arbetsmarknaden och göra en stor del av befolkningen arbetslös? De frågorna undersöker vi närmare i artikeln Vilka risker finns det med AI.
